高斯噪聲下的人臉檢測算法研究

朱強(qiáng) 徐穎 王壯才

摘要：OpenCV是一個開源的跨平臺計算機(jī)視覺庫，可以在Windows、Linux、Mac os等運(yùn)行。它是由一系列的c和c++編寫而成，實現(xiàn)了計算機(jī)視覺與圖像處理等方面的通用算法以供大家使用。由于受到環(huán)境的影響，在人臉圖像的獲取中存在噪聲。因此，通過進(jìn)一步分析高斯濾波、Adaboost算法、Haar的特征等方法，提高了人臉檢測的準(zhǔn)確度。

關(guān)鍵詞：高斯濾波;Adaboo st;Haar特征;人臉檢測

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2020）05-0125-02

0引言

在當(dāng)今社會，實時人臉檢測已在我國各方面全面發(fā)展，已經(jīng)成為我們?nèi)粘Ｉ钪兄匾沫h(huán)節(jié)，面對如此龐大的數(shù)據(jù)，人臉檢測也面臨著巨大的挑戰(zhàn)。主要難點(diǎn)在于人臉的角度、表情、膚色等。在實際情況下，由于光照條件、面部遮擋，人臉角度的原因，人臉檢測的穩(wěn)定性和準(zhǔn)確性必然會受到影響。本文提出的是openCV下，采用Haar特征的adaboost人檢測算法，通過實驗證明，利用高斯濾波對圖像進(jìn)行降噪處理，在進(jìn)行人臉檢測，從而大大的提高了人臉檢測的效率。

1高斯濾波

高斯噪聲是一種常見的噪聲，它的概率密度服從正態(tài)分布。常見的高斯噪聲包括起伏噪聲、熱噪聲和散粒噪聲等。除常見的抑制噪聲的方法外，我們可以通過高斯濾波器對圖片進(jìn)行去噪處理。

高斯濾波是對整幅圖像的像素進(jìn)行加權(quán)平均的過程，即圖像中的每個像素點(diǎn)的值都是其本身和它的某個鄰域內(nèi)的其他像素經(jīng)過加權(quán)平均后得到的結(jié)果。它首先要確定一個固定的窗口，然后在窗口內(nèi)選擇任意一個像素，判斷它到窗口中心點(diǎn)的像素距離。其中系數(shù)權(quán)值的分配是由高斯函數(shù)來實現(xiàn)。

2Adaboost算法

Adaboostig法是目的是用于訓(xùn)練人臉、分類人臉的方法，該算法利用大量簡單的積分圖特征，再利用Adaboost學(xué)習(xí)算法選出重要的特征，并訓(xùn)練出若干分類能力不是很強(qiáng)的分類器，再通過線性疊加組合成一個能力很強(qiáng)的分類器，最后通分類器構(gòu)成一個檢測速度快的分類器。引。最開始先訓(xùn)練若干個弱分類器，強(qiáng)分類器有若干個若分類器組合而成，最后的級聯(lián)分類器則由若干個強(qiáng)分類疊加而成。

3Haar特征

Haar特征又叫做特征矩陣，它是描述圖像中人臉的灰度分布情況，它包含四種模板，分為描述的是上下差值特征，左右差值特征，中心差值特征。Haar特征值為圖像中所有白色矩陣的值減去所有黑色矩陣部分的像素值，計算公式為：

圖2為圖像預(yù)處理分為3部分，一為原始圖像，二為調(diào)用高斯濾波處理后的圖像，三為對圖像進(jìn)行直方圖均衡化的結(jié)果。

經(jīng)過上述處理后，我們將圖片進(jìn)行人臉檢測，檢測的效果有大幅度提升，具體如圖3所示。

5總結(jié)

本系統(tǒng)是在OPENCV下使用的是基于Haar寺征的AdabooSt算法，可以有效的對圖片中的人臉進(jìn)行陜速檢測、實時性好等。在圖像預(yù)處理階段使用高斯濾波器，降低了圖像原有的噪聲，提高了圖像的質(zhì)量，最終提高了人臉檢測的效率。